基于拉曼光谱的稻叶瘟病害程度划分研究

随着植保变量喷施作业机械的研究和应用,急需一种高效的病害程度识别技术。为此,针对水稻稻叶病运用拉曼光谱仪采集正常及受病害叶片的光谱特性,通过绘制折线图及受试者工作特征曲线进行水稻受病害程度分析,并运用动量因子BP神经网络优化算法,建立了寒地水稻稻叶瘟的病害程度检测模型。结果表明:优化的BP神经网络算法网络预测集的均方误差为0. 002 409 6、相关系数为0. 998 2。该方法可以较好地区分水稻正常叶片、稻叶瘟重度和轻度叶片,是一种高效的病害程度识别技术。     

基于ANSYS的浅层土壤温度场特征模拟分析

通过分层安装温度传感器采集黑龙江省大庆市某地区的浅层土壤温度值,运用ANSYS有限元分析软件对地下1 m内土层进行相应的模拟分析,探究地下浅层土壤温度场的变化特征.结果表明:地下土壤深度为70100 cm范围内的温度变化趋向比较相近,整年白天的地表最高温度在7月,最低在12月,3—5月、7—9月的地表温度变化趋向均高于地下浅层土壤温度,土温整体是呈地表向地下逐渐降落的趋向;整年黑天的最高地表温度在7月,最低在12月,4—5月、7月的地表温度变化趋向均大于地下浅层土壤温度,土温随深度的增加呈地表向地下逐渐增高-降低-增高的趋向.